En résumé, pour ceux qui ne liront pas la suite. Gemini Omni 1.1 Flash est le modèle vidéo polyvalent de Google : du texte, des images ou un clip en entrée, une vidéo avec son propre son en sortie. La version 1.1 (27 août 2026) a ajouté les deux éléments essentiels pour un travail concret : l'extension de scène jusqu'à 40 secondes et la sortie en 1080p/4K. Il est désormais disponible sur Popcraft. Nous l'avons testé pendant une journée, et la chose la plus utile que nous avons apprise est que « étendre à 20 secondes » à partir d'un clip de 5 secondes vous donne 25 secondes.
| Ce que dit Google | Ce que nous avons obtenu | |
|---|---|---|
| Clip le plus long | 40 s par extension de scène, par incréments de 10 s | 40,0 s à partir d'un seul prompt, 23 minutes de temps réel |
| Extension | « Analyse jusqu'à 10 secondes de contexte préalable » | Source de 5 s → fichier de 25,0 s, original conservé image par image |
| Résolution | 360p à 4K, « prêt pour la production professionnelle » | Bande-annonce en 1080p, tests en 720p ; les chaînes 4K s'arrêtent à 30 s |
| Audio | Voix, musique, effets sonores synchronisés avec l'image | Musique orchestrale sur la bande-annonce, ambiance de tempête sur l'extension |
| Physique | « Compréhension intuitive des forces comme la gravité, l'énergie cinétique et la dynamique des fluides » | Une création de 30 s d'encre dans l'eau avec trois fluides au comportement réaliste, ci-dessous |
| Caméra | Citation partenaire : « mouvement de caméra dynamique » | Le drone et l'orbite fonctionnent à tous les coups ; le panoramique filé, la grue et le travelling compensé sont adoucis |
Mercredi, 10:41. C'est parti.
Batch AI a basculé le modèle sur sa passerelle de test la veille au soir. D'abord deux faits venant de leur côté, car ce sont ces deux faits qui déterminent la façon dont vous utilisez le modèle : la chaîne de résolution est « 4K » et elle renvoie réellement du 3840×2160, et l'extension est un véritable mode au niveau de l'API, pas une astuce de prompt. Tout le reste ci-dessous, c'est nous qui appuyons sur les boutons.
La première tâche était volontairement banale. Une gardienne de phare dans un escalier en colimaçon, format vertical, 5 secondes, 720p. Le résultat est arrivé en deux minutes environ, d'une durée de 5,01 secondes, avec du vent et de la pluie sur la piste audio que personne n'avait demandés. C'est le comportement par défaut d'Omni : le guide du développeur de Google précise que le modèle « essaiera de générer une piste audio appropriée pour une vidéo », et c'est exactement ce qu'il fait à chaque fois, à moins qu'on ne lui demande le contraire.
11:20. L'extension qui faisait 5 secondes de plus que ce que nous avions demandé
C'est la partie qui vaut à elle seule la lecture de cet article. Nous avons joint le clip de 5 secondes, écrit une seule ligne (« la gardienne sort sur la galerie de la lanterne et allume la lampe »), et demandé une durée totale de 20 secondes.
Le fichier obtenu fait 25,0 secondes.
Ce n'est pas un bug. Le billet de lancement de Google indique que l'extension fonctionne « par incréments de 10 secondes jusqu'à une longueur cumulée totale de 40 secondes », et cela désigne des incréments entiers : 5 plus 10 plus 10. Les cinq premières secondes du nouveau fichier correspondent exactement à notre original, à l'octet près, et l'audio de la tempête s'enchaîne parfaitement sur la jonction. Le rendu est excellent. Ce n'est simplement pas 20 secondes.
Voici donc une règle pour quiconque développe sur ce modèle, et la raison pour laquelle le panneau Étendre de Popcraft affiche désormais 15, 25 et 35 pour une source de 5 secondes au lieu des 10/20/30/40 habituels : vous ne pouvez obtenir que la source plus des segments entiers. Nous facturons les secondes générées et renvoyées, pas le chiffre que vous avez saisi.
« Étendez les vidéos par incréments de 10 secondes jusqu'à une durée cumulée totale de 40 secondes. » — Google, article de lancement d'Omni 1.1 Flash
12:05. Quarante secondes, un seul prompt
Puis le test que nous voulions vraiment réaliser : une bande-annonce hollywoodienne, « Pirates of the Cranberries », 16:9, 1080p, 40 secondes, en une seule requête. Popcraft enchaîne automatiquement le processus d'extension pour vous : un prompt en entrée, un fichier de 40 secondes en sortie.
Cela a pris 23 minutes. Notre propre estimation annonçait 15 minutes, c'est donc à nous de réajuster. Le résultat fait exactement 40,0 secondes, en 1920×1080, avec une musique orchestrale qui monte en puissance à peu près aux bons moments. Même capitaine, même navire, même étalonnage bleu canard et ambre sur les quatre segments. Cette cohérence est la preuve que la fenêtre de contexte de 10 secondes mentionnée dans le billet de lancement fait son travail, et c'est le meilleur argument en faveur de ce modèle.
Voici ce qu'il a raté, et pourquoi c'était de notre faute. Le prompt était un paragraphe dense de 240 mots comportant cinq temps forts : tempête, capitaine, coffre au trésor rempli de canneberges, navire rival, final au canon. Omni a conservé tous les éléments et les a réordonnés. La projection de canneberges apparaît à huit secondes, avant le coffre censé la libérer, et le coffre ne s'ouvre jamais clairement. Les prompts denses ne provoquent pas d'échec sur ce modèle. Ils sont compressés.
15:10. D'accord, nous allons tester correctement la promesse sur la physique
La bande-annonce est un mauvais test de physique : il s'y passe trop de choses et personne ne peut dire si une canneberge a rebondi correctement. Nous avons donc rédigé le prompt le plus ennuyeux de la journée. Un bassin noir d'eau immobile. Un fluide par tranche de 10 secondes : une goutte orange qui tombe, un panache d'encre indigo, puis un nuage de pigment blanc éclairé par l'arrière. Pas de personnages, pas d'histoire, un lent arc de cercle de la caméra, 30 secondes en 1080p, une seule requête.
C'est la meilleure réalisation du modèle de toute la journée. La goutte frappe la surface et projette une couronne d'éclaboussures qui retombe sur elle-même comme le fait l'eau. Le panache indigo s'engouffre juste derrière et se mêle à l'orange sans que les couleurs ne se diluent en un flou baveux. Lorsque le nuage blanc arrive, le rétroéclairage se diffuse à travers lui tandis que les fluides précédents sont toujours présents en dessous, toujours en mouvement. L'arc de cercle de la caméra se maintient tout au long des trois phases sans jamais se réinitialiser. Observez le raccord à dix et vingt secondes : nous sommes incapables de le trouver.
Nos brouillons les moins chers d'abord, car c'est le flux de travail que nous recommandons. Quatre variantes 720p de 10 secondes (encre, miel, dominos, pendule de Newton) ont pris environ deux minutes chacune. L'encre et le pendule étaient réussis, le miel était un peu trop agité, les dominos sont tombés dans le bon ordre mais sans poids. L'encre l'a emporté, nous avons rédigé la version de 30 secondes, et cette dernière s'est avérée meilleure que le brouillon. Ce ne fut pas le cas pour la bande-annonce, où une longueur supérieure entraînait une compression accrue de l'histoire. Sans histoire à compresser, l'extension est un avantage pur.
La phrase de Google sur la dynamique des fluides n'est, au vu de ces éléments, pas du marketing.
16:40. Et la promesse concernant la caméra
L'autre promesse que nous avons lue à plusieurs reprises dans les documents de lancement de Google concernait la caméra. Une citation de partenaire sur la page du modèle vante ses « mouvements de caméra dynamiques », et le guide de prompt de Vertex énumère le vocabulaire enseigné au modèle : drone, travelling, panoramique horizontal, panoramique vertical, suivi, grue, orbite, panoramique filé, ainsi qu'un « travelling compensé » (dolly zoom) signalé comme avancé et non pris en charge officiellement.
Nous les avons donc tous demandés en un seul plan de 30 secondes, sur le même phare que ce matin, avec un mouvement par temps fort du prompt.
Évalué mouvement par mouvement, par rapport au prompt :
- Approche en drone. Oui. Rase le sommet des vagues, gravit le basalte, arrive à la lanterne à la seconde exacte demandée. Les dix meilleures secondes de mouvement de caméra offertes par le modèle de toute la journée.
- Orbite. Oui. Les dix dernières secondes tournent autour de la gardienne, de l'arrière au profil, jusqu'à un plan large de l'autre côté, et le phare reste le même tout au long de la séquence.
- Panoramique filé vers le bateau. Non. Le bateau est là, petit à l'horizon, mais la caméra glisse vers lui au lieu d'y aller d'un coup sec. Le modèle a adouci le mouvement rapide en un mouvement lent.
- Mouvement de grue vers le haut au-dessus de la lanterne. À moitié. L'ascension se produit dans le premier segment, où le prompt ne la demandait pas, et non dans le second, où elle était demandée.
- Travelling avant en contre-plongée avec bascule de point. Non. Cela s'est terminé sur un plan large à la place.
- Travelling compensé (dolly zoom). Nous l'avons volontairement exclu du prompt de 30 secondes. Lors d'un test antérieur de 10 secondes, il est revenu en simple travelling avant, et le propre guide de Google le classe dans la catégorie « non officiellement pris en charge » : on ne peut donc rien lui reprocher.
Deux choses que personne n'avait demandées. Entre la première et la deuxième phase, la caméra traverse directement la vitre de la lanterne pour rejoindre la gardienne à l'intérieur, puis la suit lorsqu'elle sort sur la galerie. Il n'y a aucune coupe dans tout le fichier (nous y avons passé un détecteur de scènes), le modèle a donc inventé une transition pour passer de la position du drone à la sienne. C'est une excellente trouvaille. Moins réussi : ses cheveux sont attachés dans la lanterne et détachés sur la galerie quelques secondes plus tard. La fiche du modèle de Google indique la « cohérence au fil des modifications » et les « mouvements complexes » comme des limitations connues, et voici ce que cela donne en pratique.
La constante, tant sur les tests de 10 que de 30 secondes, est que les mouvements lents et amples (drone, orbite, arc de cercle, travelling) sont fiables, tandis que les mouvements rapides ou optiques (panoramique filé, travelling compensé) sont arrondis en un geste plus mou. Si votre plan nécessite un mouvement sec, générez-le sous forme de clip court indépendant puis intégrez-le au montage.
La leçon en matière de prompting est la même que pour la bande-annonce. Nommez le mouvement, un par temps fort, dans le vocabulaire du propre guide de Google, et les mouvements lents arrivent à l'heure dite. Décrivez une sensation (« ample », « dynamique ») et vous obtiendrez de toute façon un lent travelling avant.
Qu'est-ce qui a réellement changé par rapport à Omni Flash 1.0 ?
La page du modèle de Google utilise le même tableau de fonctionnalités pour les deux versions, la différence est donc particulièrement honnête :
| Fonctionnalité | Omni Flash (mai 2026) | Omni 1.1 Flash (août 2026) |
|---|---|---|
| Texte vers vidéo | Oui | Oui |
| Image vers vidéo | Non pris en charge | Pris en charge |
| Images / vidéo de référence | Non pris en charge | Jusqu'à 10 images, 3 vidéos |
| Première et dernière image | Non pris en charge | Pris en charge |
| Modification vidéo | Pris en charge | Pris en charge |
| Étendre les vidéos | Non pris en charge | Pris en charge, jusqu'à 40 s |
| Résolution de sortie | 720p uniquement | 360p, 720p, 1080p, 4K |
| Génération de son | Voix, musique, effets | Voix, musique, effets |
| Provenance | SynthID, C2PA | SynthID, C2PA |
Les affirmations sur la physique et la connaissance du monde issues de l'article original « Présentation de Gemini Omni » (« une compréhension intuitive améliorée des forces telles que la gravité, l'énergie cinétique et la dynamique des fluides ») restent d'actualité, et nous sommes revenus tester ce point précis ci-dessous. Cependant, le point sur lequel Google insiste le plus est la mémoire : « chaque instruction s'appuie sur la précédente. Vos personnages restent cohérents, la physique tient la route et la scène se souvient de ce qui a précédé. » Après la bande-annonce, nous croyons à la seconde moitié de cette phrase plus que nous ne l'aurions imaginé.
Comment lui indiquer quoi faire sans sélecteur de mode ?
Il n'y en a pas, et il faut une minute pour s'y habituer. Le guide de Google indique : « nous recommandons de nous appuyer principalement sur le prompting et d'utiliser le paramètre de tâche uniquement lorsque le prompting ne fonctionne pas. » Ce que vous joignez et ce que vous écrivez, voilà le sélecteur.
- Rien de joint : texte en vidéo.
- Une image : elle devient la première image.
- Deux images, plus les mots « first frame » et « last frame » : interpolation entre elles. Sans ces mots, deux images servent de références de sujet.
- Jusqu'à dix images : référence de sujet ; les personnes et les objets restent cohérents.
- Une vidéo plus « make it snow » : une modification qui conserve le plan, la durée et le cadrage.
- Une vidéo plus « extend this video » : extension de scène.
Les deux derniers piègent souvent les utilisateurs. Si vous joignez un clip et décrivez une suite sans utiliser le mot extend, le modèle le traite comme une modification et renvoie la même durée. Popcraft ajoute ce mot-clé pour vous dans le panneau Extend Video ; depuis l'API ou MCP, vous devez l'écrire vous-même.
Ce que nous dirions à un collègue avant son premier rendu de 40 secondes
Pas une liste d'astuces. Trois points, dans l'ordre où ils vous poseront problème.
Une action par segment. Le guide de Google décrit une syntaxe d'horodatage, et elle s'adapte parfaitement aux segments de 10 secondes. Voici le prompt de bande-annonce que nous aurions dû envoyer :
Un galion pirate dans une tempête au crépuscule, drapeau à tête de mort, voiles noires déchirées. Plan séquentiel unique, sans coupe. [0-10s] Le navire fend les vagues ; la caméra s'élève vers le pont. [10-20s] Le capitaine barbu à la barre crie un ordre ; l'équipage lui répond en rugissant. [20-30s] Il ouvre un coffre en fer à la proue ; il déborde de canneberges rouges. [30-40s] Un navire rival tire ; des canneberges s'éparpillent en ralenti alors qu'il lève son coutelas. Rendu : reflets anamorphiques, étalonnage bleu canard et ambre, musique orchestrale, aucun texte à l'écran.
Exprimez ce que vous voulez entendre, y compris le silence. Le silence est une demande. « Pas de dialogue », « pas de musique, seulement du vent et de l'eau » sont les propres exemples de négations simples du guide, et ils fonctionnent. Omettre le son dans le prompt n'est pas la même chose que demander à ce qu'il n'y en ait pas.
Modifiez avec moins de mots qu'il n'y paraît nécessaire. Directement de chez Google : « Les prompts simples fonctionnent le mieux pour la modification vidéo. Des prompts trop descriptifs peuvent entraîner des modifications involontaires. » Nommez le changement, ajoutez « conservez tout le reste à l'identique », arrêtez d'écrire.
Comment il se positionne face à Seedance 2.5 et Veo 3.1
Nous hébergeons plusieurs modèles vidéo car aucun d'entre eux ne remporte tous les plans. L'atout d'Omni réside dans un seul clip long, allant jusqu'à 40 secondes et jusqu'en 4K, avec son propre son, à partir d'une seule requête. Seedance 2.5 accepte beaucoup plus de références (30 images, 10 vidéos) et effectue une modification précise par zone. Veo 3.1 offre un contrôle strict du cadrage sur 8 secondes. Brief avec un clip principal et une bande sonore : commencez par Omni. Brief avec un produit qui doit être identique sur douze plans : commencez par Seedance.
Sur Popcraft, le coût est calculé par seconde produite, selon la résolution : 720p pour les brouillons, 1080p pour le rendu final, 4K pour le contenu phare avec une chaîne limitée à 30 secondes. Choisissez n'importe quelle durée entre 3 et 40 secondes sur le curseur ; Popcraft enchaîne automatiquement les extensions en arrière-plan, le curseur ne propose que des durées que le modèle peut atteindre, et le chiffre affiché avant la génération est celui que vous payez.
À vous de le pousser dans ses retranchements
Gemini Omni 1.1 Flash est désormais disponible dans le générateur vidéo, dans les tableaux Canvas et le connecteur MCP. C'est gratuit pour commencer, avec 100 crédits et sans carte bancaire. Faites comme nous : 10 secondes en 720p pour commencer, évaluez le résultat, puis étendez la séquence, ou apportez un extrait que vous aimez déjà et étendez-le. La bande-annonce et l'extension se trouvent sur la page du modèle, non retouchées, son compris ; les deux tests de 30 secondes sont ceux que vous venez de visionner.
Sources : les articles de Google « Introducing Gemini Omni » et « Gemini Omni 1.1 Flash lets you build with more control », la fiche modèle Google DeepMind pour Gemini Omni Flash, les pages modèles de Gemini Enterprise Agent Platform pour Omni Flash et Omni 1.1 Flash, ainsi que le guide du développeur de l'API Gemini. Les mesures sont les nôtres, réalisées le 3 septembre 2026.
